Figure人形机器人展示叠衣能力，仅增加数据即可掌握新技能

一、产品介绍

划时代突破的幕后主角：
创立于2022年的Figure AI，堪称机器人界的“硅谷黑马”。背靠微软、英伟达、OpenAI等巨头投资，估值飙升至369亿美元（2025年数据）。其旗舰产品Figure 02人形机器人身高180cm，配备33自由度灵巧手，尤其五指结构可实现人类级精细操作。最新发布的叠衣演示中，机器人通过纯视觉感知完成毛巾抓取、抚平褶皱、折叠收纳等全流程，动作流畅度震惊业界！

二、适用人群

这项技术革新将直接赋能三类群体：
✅ 工业场景开发者：物流分拣、柔性产线操作员
✅ 家庭服务机器人厂商：解决衣物整理、家务协助等痛点
✅ 具身智能研究者：探索通用机器人学习范式的实验室

三、核心功能

Table: Helix架构核心能力与技术实现

💡 关键技术细节：

• 抗干扰操作：误抓多余毛巾时，力反馈触发自修正机制，放回冗余物品后继续折叠
• 零预设动作库：拇指描边、捏角防滑等动作均由神经网络动态生成

四、技术原理：暴力美学的三层架构

1️⃣ 双系统协同框架（S2+S1）

• S2慢思考层：7B参数视觉语言模型，9Hz频率解析环境语义（例：识别“折叠毛巾”指令）
• S1快执行层：200Hz高频Transformer，将语义向量转为关节控制信号
  

  “这种解耦设计让机器人既能深谋远虑，又能闪电反应” —— Figure AI技术白皮书

2️⃣ 端到端感知控制闭环

graph LR
A[双目RGB摄像头] --> B(像素数据)
B --> C{Helix神经网络}
C --> D[手腕关节角度/手指屈曲指令]
D --> E[PD控制器扭矩转换]
E --> F[33自由度动作输出]

关键突破：跳过传统“物体建模-路径规划”流程，直接实现像素→动作的极简映射

3️⃣ 数据驱动的泛化能力

• 训练逻辑：500小时基础操作数据 + 40小时叠衣专项数据
• 领域随机化：模拟环境中随机化布料摩擦力、形态参数，提升现实鲁棒性

五、工具使用技巧

想最大化发挥Helix潜力？试试这三招：
✨ 数据采集捷径：

用人类动作捕捉系统（如SMPL-X）录制示范视频，经重定向算法快速生成训练集

✨ 故障规避策略：

在光照复杂场景中，为摄像头加装偏振滤镜，减少反光对布料识别的干扰

✨ 技能加速迭代：

采用“模拟器预训练+现实微调”模式：

1. MuJoCo中构建可变毛巾模型
2. 域随机化生成万组训练场景
3. 真实世界10小时适配量产

六、访问地址

🔥 官方资源一键直达：

• 技术白皮书：https://www.figure.ai/news/helix-learns-to-fold-laundry
• 叠衣演示视频：https://x.com/adcock_brett/status/1955291307758489909
• 开发者API文档：https://github.com/Figure-AI

行业启示：宇树科技王兴兴指出：“当硬件趋于成熟，数据效率将成为下一个竞争壁垒”。这场由Figure掀起的“数据暴力革命”，正在重新定义机器人的进化规则！